用于基于会话推荐的转移关系感知自注意力
信息检索
2022-03-15 v1 人工智能
摘要
基于会话的推荐是真实场景（如电子商务、短视频平台和音乐平台）中的一个具有挑战性的问题，其目标是基于匿名会话预测下一次点击行为。近来，图神经网络 (GNNs) 已成为基于会话推荐的最先进方法。然而，我们发现这些方法存在两个局限。其一是项目转移关系未被充分利用，因为这些关系未被显式建模。其二是由于 GNNs 的局限性，项目间的长程依赖无法被有效捕获。为解决上述问题，我们提出了一种用于基于会话推荐的新型方法，称为转移关系感知自注意力 (TRASA)。具体而言，TRASA 首先将会话转换为图，然后通过门控循环单元将项目间的最短路径编码为它们的转移关系。接着，为捕获长程依赖，TRASA 利用自注意力机制在任何两个项目间建立直接连接而无需经过中间项目。此外，在计算注意力分数时显式地融入了转移关系。在三个真实数据集上的大量实验表明，TRASA 一致地优于现有的最先进方法。
引用
@article{arxiv.2203.06407,
title = {Transition Relation Aware Self-Attention for Session-based Recommendation},
author = {Guanghui Zhu and Haojun Hou and Jingfan Chen and Chunfeng Yuan and Yihua Huang},
journal= {arXiv preprint arXiv:2203.06407},
year = {2022}
}